MIT “AI 種菜”專案失敗，還因環保問題被罰25125美元

五年時間，MIT 一個曾聲稱要造福難民的 AI 種菜專案被多方位證偽並且最終關停。

4月30日訊息，麻省理工 MIT 永久關停由原麻省理工媒體實驗室首席研究科學家 Caleb Harper 牽頭的“開放農業計劃（OpenAg）”專案。同一天，Caleb Harper 從 MIT 正式離職。

（MIT Media Lab 官網 OpenAg 專題頁中，Harper 被標註為“過去的成員”）

OpenAg 專案始於2015年，其核心產品形態類似迷你培育室，是一個四方的便攜密閉箱，被稱作個人食品計算機（PFC）。PFC 的硬體和軟體全部開源，以便更多人做室內農業試驗。PFC 內配備了農作物生長所需條件的生產裝置，包括植物水培託盤、LED、感測器、泵、風扇、控制電子裝置。透過開源的計算機軟體，PFC 聲稱可培育多種植物，只要下載不同植物生長所需要的程式碼“食譜”，人們就可以控制密閉箱內的光照、溼度、營養成分、PH 值等引數，以幫助植物生長。

這個“開源食物計算機”PFC 一大的技術特色，就是利用深度學習來種菜。專案會蒐集來自世界各地的食物計算機資料，然後利用機器學習演算法，給植物生長提供更適合其習性的環境“食譜”。

起初，專案的發展設想非常美好——培育羅勒等作物，或在約旦沙漠環境中種植原屬於敘利亞阿勒頗的辣椒。專案組成員稱自己為“書呆子農民（nerd farmer）”，可以靠程式設計解決農民“靠天吃飯”的問題。Harper 還給這個產品規劃了一個充滿人情味的發展路線：從幫助敘利亞難民種菜開始，逐步延伸到對未來農業發展的探索，最後建造一個全球化的數字農場，讓人們都能自由種植自己喜歡的植物。

Harper 曾在公開場合多次強調專案充滿“人文關懷”：

“PFC 的價值是文化意義上的，而不僅僅是生產意義上的”；

“我不會告訴他們種什麼，他們可以種植自己想要的東西，那些他們再也無法得到的東西”；

“除了種出（讓人們可以）活命的食物，更重要的是讓難民找到了精神家園”。

但 IEEE Spectrum  的一份調查結果顯示，2017至2019年期間，Harper 關於 PFC 在難民營的部署的言論被證明是在說謊。PFC 的產品功能也沒得到實現。

Harper 從 OpenAg 專案中延伸，創辦了 Fenome 公司。2017年1月，Fenome 派出團隊前往約旦組裝和安裝食物計算機，計劃安裝完成後透過幾名專門員工在猶他州遠端監控專案進展，Fenome 的團隊會定期與他們電話溝通，這批測試的植物包括黃瓜、羅勒和萵苣。然而計劃實施非常不順。

• 電源經常故障，約旦的自然條件惡劣，沙漠氣候乾旱，實驗室室內溫度有時可高達45℃。
• Wi-Fi 經常失效，導致專案組無法很好完成遠端的溫度、溼度、PH 值等引數的監測。PFC 出現故障時，必須連上 Wi-Fi 之後重啟生效。
• 成本上升。因機器時常故障，最初到約旦進行組裝的人員，在首次部署完一個月後不得不返回約旦重啟機器，之後的四個月又返回了三次……

由於這些原因，2017年9月，約旦的專案便宣告結束。這期間，Harper 一直沒有立刻停下他宣傳 PFC 的腳步，而是繼續在全國演講，當然，演講中的話也受到了質疑。 

2017年3月，Harper 在佐治亞州技術峰會上說：“我們上週將 PFC 部署在了紐旦首都安曼的敘利亞難民營中。”2017年5月，Harper  在 Red Hat 的會議上還在描述約旦難民如何使用 PFC。Harper 之後又在 EAT 斯德哥爾摩食品論壇重申了自己的主張，稱讚 PFC 為難民做的貢獻。

當年9月，該專案的一個負責人在宣告專案結束時就表示，沒有一臺機器成功完成一個單一的生長週期。PFC也沒按照原計劃，完成在敘利亞難民居住地阿茲拉克營地的部署。但這時 MIT 還沒有終止 OpenAg 計劃。

直到2019年9月，MIT Media Lab 負責人伊藤襄一（Joichi Ito）捲入愛潑斯坦醜聞離職，OpenAg 計劃才開始受到嚴格審查。

MIT 終於叫停 OpenAg的直接原因也是審查出現問題，這次甚至涉及到環境保護。馬薩諸塞州環境保護部4月22日結束了對 OpenAg 專案的審查，並對 MIT 處以25125美元的罰金，原因是 OpenAg 專案將使用過的植物生長液和稀釋的清洗液排入了地下排放控制井，這違反了地下井登記條款的相關規定。不過，OpenAg 永久關停之後，MIT只需支付15,000美元。

MIT 日前表示，所有託管在 MIT 媒體實驗室伺服器上的專案資料都將被關閉或轉移。

至此，這場用 AI 幫助難民種菜的實驗收場，專案牽頭人 Harper 被冠上了“割韭菜”的帽子：根據 Spectrum 掌握的公司備案檔案和 Fenome 內部檔案，專案進行期間，Harper 為他的公司 Fenome 籌集了400萬美元資金。

雖然 OpenAg 被認為是在割投資人韭菜，PFC 的產品設計不切實際，但不可否認，AI+農業的專案和實踐已經越來越多。實際上，單就 AI “種菜”的場景來說，已經成為一道通用的科技考題：去年，世界頂級農業大學荷蘭瓦赫寧根大學舉辦了一場人工智慧溫室種植大賽，微軟、英特爾、騰訊等企業參加比賽，專門研究如何用農業AI培育出高產、高價效比的黃瓜？

更為廣泛的是，基於深度學習的影象識別、大資料研究、遙感等技術也被應用在農業生產中，如：

• 利用機器學習改進農業影象與光譜識別。影象與光譜被認為是智慧農機裝備的重要感知資訊，機器學習可以幫助構建農工業影象與光譜資料分析模型，進而進行智慧分析決策。
• 對農業大資料的深度學習與分析。農業大資料包括自然環境、生態環境、生物資料等等，海量的資料以及逐漸普及的智慧終端為資料收集創造條件，也便於深度學習。
• 甚至，基於深度學習的無人機攝影也在農業生產中發揮作用。遙感影像處理領域已經實現傳統的地物分類方法向深度學習完成高分遙感影像下地物分類的轉變，這被認為可以實現農業地物資訊的提取和分類。
• ……

參考文獻：

【基於深度學習的無人機影像設施農業典型地物識別方法研究】；2018.5；江西理工大學；張超

【基於機器學習的農業影象識別與光譜監測方法研究】；2018.6；山西農業大學；王璨

【面向農業領域的大資料關鍵技術研究】；2016.3；中國農業科學院；郭雷風